机器学习基础操作2-模型操作

TensorFlow机器学习基础操作

0x01创建模型操作

• 1.首先选择底层的模型，有2种基础模型
  • Sequential 序贯模型，单输入单输出，层与层之间只有相邻关系，无跨层连接，编译较快，操作简单，使用较多
  • Graph 图模型，这个模型支持多输入多输出，层与层之间想怎么连就怎么连，编译速度较慢
• 2.调节每层神经元参数
  • Dense 是全连接层，表示添加一个层
    • 第一个参数为输入，也就是神经元个数，
    • 第二参数为activation，表示阶跃函数，常用的阶跃函数有relu，elu等
    • 第三个常用参数为input_shape为输入的格式是一个横为784的特征数组
    • units参数表示输出的空间维度
  • Dropout() 避免过拟合出现的产物，在参数过多但是样本过少的情况下可以加上这一层
    • 效果：随机删一半神经元，训练完后恢复，但是训练后的参数不变，重复这一过程（0.2表示20%）
• 3. 编译阶段，设置优化算法（用于梯度下降），损失函数（性能函数）和metrics （评价函数，直接影响acc准确率）
  • metrics：
    • binary_accuracy ：适用于二分类问题
    • sparse_categorical_accuracy ：适用于多分类和多标签，真实值是下标index，预测值仍然是个向量 - 比较预测值中最大元素下标是否是index
    • categorical_accuracy：适用于多分类和多标签，真实值和预测值都是一个one-hot向量- 它是比较两个最大元素下标是否相同
      

def create_model():
    model = tf.keras.models.Sequential([
        keras.layers.Dense(512,activation='relu',input_shape=(784,)),
        keras.layers.Dropout(0.2),
        keras.layers.Dense(10)
    ])
    model.compile(optimizer='adam',
                  loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
                  metrics=[tf.metrics.SparseCategoricalAccuracy()]
            
            )
    return model 

查看模型的样例：

model.summary()

0x02模型训练

• 1.设置基础参数
  • 1.训练数据，数据对应标签
  • 2.设置epochs训练轮数
  • 3.设置batch_size，每轮训练的大小
  • validation_data 验证集
  • callbacks回调函数，我们可以在每一轮训练完后执行回调函数，常见的就是防止过拟合，设置提早结束条件
    

回调函数设置了监控器和打印点

model.fit(train_images,
          train_labels,
          epochs=10,
          validation_data=(test_images,test_labels),
          callbacks=[cp_callback])

0x03保存和加载模型

第一种，保存权重

model.save_weights(path)

再训练

• 再加载

latest = tf.train.latest_checkpoint(checkpoint_dir)
model.load_weights(lastest)

手动加载
model.laod_weights('./checkpoints/my_checkpoint') # 位置

以h5形式保存

model.create_model()

model.fit(train_images,train_labels,epochs=5)

model.svae('save_model/my_model.h5')

#使用的时候加载
model.load('save_model/my_model.h5')

#再进行预测或者评估
#预测
example_batch = normed_train_data[:10]
example_retult = model.predict(example_batch)

verbose参数

详细信息
0表示不打印详细信息，1表示进度条打印详细信息，2表示每个轮训练输出一行